[논문 리뷰] Going Digital: A Survey on Digitalization and Large Scale Data Analytics in Healthcare

Volker Tresp, J. Marc Overhage외 4명|arXiv (Cornell University)|2016. 06. 26.

Mobile Health and mHealth Applications참고 문헌 56인용 수 15

한 줄 요약

이 논문은 의료 분야의 디지털화와 대규모 데이터 분석을 조사하며, 전자 건강 기록(EHR), 상호운용성 있는 데이터 네트워크, 고급 분석 기법이 개인 맞춤형이고 지속적인 치료를 가능하게 한다고 제안한다. 임상, 유전체 및 웨어러블 데이터의 통합이 의사결정 지원, 치료 결과 향상 및 효율성 향상에 기여하고 있으나, 개인정보 보호, 신뢰성 및 구현 과제는 여전히 해결되지 않은 상태이다.

ABSTRACT

We provide an overview of the recent trends towards digitalization and large scale data analytics in healthcare. It is expected that these trends are instrumental in the dramatic changes in the way healthcare will be organized in the future. We discuss the recent political initiatives designed to shift care delivery processes from paper to electronic, with the goals of more effective treatments with better outcomes; cost pressure is a major driver of innovation. We describe newly developed networks of healthcare providers, research organizations and commercial vendors to jointly analyze data for the development of decision support systems. We address the trend towards continuous healthcare where health is monitored by wearable and stationary devices; a related development is that patients increasingly assume responsibility for their own health data. Finally we discuss recent initiatives towards a personalized medicine, based on advances in molecular medicine, data management, and data analytics.

연구 동기 및 목표

• 디지털화와 대규모 데이터 분석이 향후 의료 서비스 제공 방식에 미치는 변혁적 영향을 분석하는 것.
• 정책적 조치(예: HITECH 법), 기술적 발전, 환자 중심 데이터 모델과 같은 주요 추진 요인을 특정하는 것.
• 임상, 유전체 및 실시간 건강 데이터의 통합이 의사결정 지원 및 개인 맞춤 의료 향상에 어떻게 기여하는지 검토하는 것.
• 데이터 기반 의료에서의 개인정보 보호, 보안, 상호운용성 및 지속 가능한 비즈니스 모델과 같은 핵심 과제를 다루는 것.
• 신뢰할 수 있는 데이터 센터와 환자 참여가 지속적이고 사전적 건강 관리 구현에 어떻게 기여하는지 평가하는 것.

제안 방법

• EHR 도입, 기관 간 데이터 통합, 상호운용성 표준에 중점을 둔 디지털 헬스 트렌드에 대한 체계적 검토.
• EHR, 임상 등록부, 국가 건강 시스템(예: NHS) 및 실시간 데이터 스트림을 생성하는 웨어러블 기기 등 데이터 소스 분석.
• 데이터의 다양성과 양을 다루기 위한 통계적 및 계산 방법 검토, 편향 보정, 혼동 변수 조정, 배치 효과 완화 포함.
• 고차원 환자 데이터를 활용한 기계학습 및 AI 응용 프로그램을 통한 임상 의사결정 지원 탐색.
• 데이터 공유를 위한 거버넌스 모델 평가, 개인정보 보호 프레임워크 및 법적 보호(예: 유전정보 차별 금지법) 포함.
• 특히 환자 참여 및 디지털 헬스 시스템에서의 사용자 경험을 포함한 이해관계자 참여 모델 평가.

실험 결과

연구 질문

• RQ1 HITECH 법과 같은 정책 조치는 종이 기반 의료 기록에서 디지털 건강 기록으로의 전환을 어떻게 촉진하고, 환자 간 치료 조율을 향상시키는가?
• RQ2 다양한 출처(예: 클리닉, 등록부, 웨어러블 기기)에서 온 이질적인 의료 데이터 통합에 있어 기술적 및 조직적 과제는 무엇인가?
• RQ3 대규모 데이터 분석 및 기계학습이 설명 가능성과 신뢰를 확보하면서 임상 의사결정 지원을 어떻게 향상시킬 수 있는가?
• RQ4 신뢰할 수 있는 데이터 센터는 지속적인 건강 모니터링과 개인 맞춤 예방 의료를 가능하게 하는 데 어떤 역할을 하는가?
• RQ5 데이터 기반 의료에서 개인정보 보호, 책임 소재 및 지속 가능한 비즈니스 모델과 관련된 주요 해결되지 않은 문제들은 무엇인가?

주요 결과

• HITECH 법과 유사한 조치들은 EHR 도입을 가속화하여 공유된 임상 데이터를 통한 상호운용성 향상과 치료 조율 개선을 가능하게 하였다.
• 클리닉, 연구 기관 및 공급업체 간의 대규모 데이터 통합은 개인 맞춤 의료를 위한 고도의 의사결정 지원 시스템 개발을 가능하게 하였다.
• 웨어러블 및 고정형 기기들은 지속적인 건강 모니터링을 가능하게 하여 조기에 대응하고 예방 의료를 위한 실시간 데이터 스트림을 생성하고 있다.
• 진전이 있었음에도 불구하고 개인정보 보호, 보안 및 환자 동의 문제는 여전히 주요 장벽이며, 차별 및 데이터 유출 위험이 존재한다.
• 현재 의료 분야의 기계학습 모델 대부분은 해석 가능성이 부족하여 임상적 신뢰성과 간호사들의 도입에 대한 우려를 낳고 있다.
• 대부분의 국가에서 데이터 사용 및 보상에 대한 명확한 법적 프레임워크와 지속 가능한 비즈니스 모델이 아직 개발되지 않았다.